Souhrn
Technologický sektor letos utratil přibližně 400 miliard dolarů za specializované čipy a datová centra pro podporu umělé inteligence. Rostoucí obavy se týkají rychlého zastarávání těchto čipů, což ohrožuje návratnost investic. Nvidia jako dominantní výrobce urychluje vydávání nových procesorů, což zkracuje životnost předchozích generací na méně než čtyři roky.
Klíčové body
- Investice do AI čipů a infrastrukturních za 400 miliard dolarů v roce 2024.
- Nvidia vydala čip Blackwell méně než rok po předchozí generaci a plánuje Rubin v roce 2026 s 7,5násobným výkonem.
- Čipy ztrácejí 85–90 procent tržní hodnoty během 3–4 let.
- Před érou ChatGPT se předpokládala šestiletá životnost serverů a čipů.
- Investor Michael Burry označil situaci za „podvod”.
Podrobnosti
Technologický průmysl, vedený giganty jako Nvidia, Microsoft, Google a Amazon, masivně investuje do hardwaru pro trénování a provoz velkých jazykových modelů (LLM) a dalších AI systémů. Specializované grafické procesory (GPU), jako jsou Nvidia H100 nebo novější Blackwell, slouží primárně k paralelním výpočtům nutným pro strojové učení – například trénink modelů typu GPT nebo analýzu obrovských datových sad. Tyto čipy umožňují zpracování bilionů parametrů, což je základ pro pokročilé AI aplikace od generování textu po predikci v medicíně.
Problém nastává s tempem inovací. Nvidia, která kontroluje přes 80 procent trhu s AI GPU, vydává nové architektury téměř ročně. Po Blackwell, uvedeném v roce 2024, oznámila Jensen Huangová, generální ředitelka společnosti, příchod platformy Rubin v roce 2026 s výkonem o 7,5násobku vyšším. Huangová sama přiznala v březnu, že při uvedení Blackwell nikdo nechtěl předchozí generaci Hopper. Analytik Gil Luria z investiční firmy D.A. Davidson varuje, že takové tempo vede k poklesu tržní hodnoty čipů o 85–90 procent během tří až čtyř let.
Před boomem AI, spuštěným ChatGPT v roce 2022, cloudoví poskytovatelé jako AWS nebo Azure počítali se šestiletou životností serverů, zahrnující opotřebení a technologické zastarání. Mihir Kshirsagar z Centra pro informační technologickou politiku na Princeton University však tvrdí, že tato předpoklady jsou nyní nerealistická. Rychlé zastarávání znamená, že hyperscalers musí čipy vyměňovat dříve, což zvyšuje náklady a produkuje elektronický odpad. Například datová centra spotřebovávají enormní množství energie – jedno trénování GPT-4 vyžaduje ekvivalent spotřeby stovek domácností – a staré čipy končí v odpadech.
Tato dynamika posiluje obavy z AI bubliny. Renomovaný investor Michael Burry, známý z filmu Velký můj krach, označil situaci na platformě X za „fraud” již v listopadu. S velkou částí americké ekonomiky závislou na AI boomu by prasknutí bubliny mohlo vést k brutálním ztrátám.
Proč je to důležité
Rychlé zastarávání čipů ohrožuje udržitelnost AI investic a může způsobit miliardové ztráty pro cloudové providery i investory. Pro průmysl to znamená nutnost přehodnotit strategie nákupu – například delší využití stávajícího hardwaru nebo vývoj standardizovaných AI akcelerátorů. Ekonomicky to zvyšuje riziko recese v tech sektoru, podobně jako v minulosti u dot-com bubliny. Pro uživatele AI služeb to může vést k vyšším cenám cloudových výpočtů, zatímco environmentálně přispívá k rostoucí uhlíkové stopě datových center. Nvidia jako monopolista urychluje cyklus, což prospívá jejímu růstu, ale dlouhodobě ohrožuje ekosystém. Bez zpomalení tempa by se celý AI sen mohl změnit v drahý omyl.
Zdroj: 📰 Digital Journal
